--- title: 函数：execute_v2 description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendgraphapi/aclpythondevg_01_0776.html sourcePath: /source/zh/canncommercial/900/API/ascendgraphapi/aclpythondevg_01_0776.html indexId: 9c036dedee8c928f7a57e912a5fc63d6015c5a3a011d33983ed8c08a71adedb275 --- # 函数：execute_v2 #### 产品支持情况 | 产品 | 是否支持 | | --- | --- | | Atlas 350 加速卡 | √ | | Atlas A3 训练系列产品 / Atlas A3 推理系列产品 | √ | | Atlas A2 训练系列产品 / Atlas A2 推理系列产品 | √ | | Atlas 训练系列产品 | √ | | Atlas 推理系列产品 | √ | | Atlas 200I/500 A2 推理产品 | √ | #### 功能说明 执行指定的算子。 #### 函数原型 - C函数原型 1 aclError aclopExecuteV2(const char *opType,int numInputs,aclTensorDesc *inputDesc[],aclDataBuffer *inputs[],int numOutputs,aclTensorDesc *outputDesc[],aclDataBuffer *outputs[],aclopAttr *attr,aclrtStream stream); - python函数 1 ret = acl.op.execute_v2(op_type, input_desc,inputs, output_desc, outputs, attr,stream) #### 参数说明 | 参数名 | 说明 | | --- | --- | | op\_type | str，指定算子类型名称。 | | input\_desc | list，表示算子输入Tensor的描述, 整形列表，包含多个acl的Tensor描述地址对象。 | | inputs | list，表示算子输入Tensor，整形列表，包含多个aclDataBuffer数据地址对象。 | | output\_desc | list，表示算子输出Tensor的描述，整形列表，包含多个acl的Tensor描述地址对象。 | | outputs | list，表示算子输出Tensor，整形列表，包含多个aclDataBuffer数据地址对象。 | | attr | int， 算子的属性地址对象。 | | stream | int， 该算子需要加载的Stream对象。 | #### 返回值说明 | 返回值 | 说明 | | --- | --- | | ret | int，错误码，返回0表示成功，返回其它值表示失败。 | #### 约束说明 该接口是异步接口，调用接口成功仅表示任务下发成功，不表示任务执行成功。调用该接口后，需调用同步等待接口（例如，acl.rt.synchronize_stream(https://www.hiascend.comdocument/detail/zh/canncommercial/900/API/runtimeapi/aclpythondevg_01_0087.html)）确保任务已执行完成。 多线程场景下，不支持调用本接口时指定同一个Stream或使用默认Stream，否则可能任务执行异常。 每个算子的输入、输出、属性不同，需要应用在调用时严格按照算子输入、输出、属性来组织算子。用户在调用acl.op.execute_v2接口时，根据op_type、输入Tensor的描述、输出Tensor的描述、attr等信息查找对应的任务，并下发执行。 对于支持动态Shape的算子，无法明确算子输出Shape时，可调用acl.op.infer_shape接口获取算子的输出Shape：- 若可获取到准确的输出Shape，则使用准确的输出Shape来构造outputDesc参数，作为acl.op.execute_v2的输入。该场景下，acl.op.execute_v2接口是异步接口，对于异步接口，调用接口成功仅表示任务下发成功，不表示任务执行成功。调用该接口后，需调用同步等待接口（例如，acl.rt.synchronize_stream(https://www.hiascend.comdocument/detail/zh/canncommercial/900/API/runtimeapi/aclpythondevg_01_0087.html)）确保任务已执行完成。 - 若无法获取准确的输出Shape，仅能获取输出Shape范围，则使用Shape最大值来构造outputDesc参数，作为acl.op.execute_v2的输入。该场景下，在调用acl.op.execute_v2接口执行算子后，系统内部会计算出准确的输出Shape，通过acl.op.execute_v2接口的outputDesc参数输出，此时acl.op.execute_v2接口是同步接口。 - （该场景预留）若无法获取准确的输出Shape以及Shape范围，则需由用户预估一个最大的Shape来构造outputDesc参数，作为acl.op.execute_v2的输入。该场景下，在调用acl.op.execute_v2接口执行算子后，系统内部会计算出准确的输出Shape，通过acl.op.execute_v2接口的outputDesc参数输出，此时acl.op.execute_v2接口是同步接口。 执行有可选输入的算子时，如果可选输入不使用：- 则需按此种方式创建aclTensorDesc类型的数据： acl.create_tensor_desc (ACL_DT_UNDEFINED, 0, [], ACL_FORMAT_UNDEFINED)，表示数据类型设置为ACL_DT_UNDEFINED，Format设置为ACL_FORMAT_UNDEFINED，Shape信息为[]。 - 则需按此种方式创建aclDataBuffer类型的数据：acl.create_data_buffer([], 0)，同时aclDataBuffer中的数据不需要释放。 执行有constant输入的算子时，需要先调用acl.set_tensor_const接口设置constant输入。 调用acl.op.execute_v2接口时，设置的constant输入数据必须保持一致。 对于算子有constant输入的场景，如果未调用acl.set_tensor_const接口设置constant输入，则需调用acl.set_tensor_place_ment设置TensorDesc的placement属性，将memType设置为Host内存。 在执行单算子时，一般要求用户传入的输入/输出Tensor数据是存放在Device内存的，比如两个Tensor相加的场景。但是，也存在部分算子，除了将featureMap、weight等Device内存中的Tensor数据作为输入外，还需Tensor shape信息、learningRate、Tensor的dims信息等通常在Host内存中的Tensor数据也作为输入，此时，用户不需要额外将这些Host内存中的Tensor数据拷贝到Device上作为输入，只需要调用acl.set_tensor_place_ment接口设置对应TensorDesc的placement属性为Host内存，在执行单算子时，设置了placement属性为Host内存的TensorDesc，其对应的Tensor数据必须存放在Host内存中，内部会自动将Host上的Tensor数据拷贝到Device上。 #### 资源参考 接口调用流程、示例，参见单算子调用(https://www.hiascend.comdocument/detail/zh/canncommercial/900/programug/acldevg/aclpythondevg_0066.html)。